大数据不就是写SQL吗？好像是的。

本文授权转载自大叔据

禁止二次转载

大家好，我是老表

阅读文本大概需要 5 分钟

应届生小祖参加了个需求分析会回来后跟我说被产品怼了一句：

"不就是写SQL吗，要那么久吗"

我去，欺负我小弟，这我肯定不能忍呀，于是我写了一篇文章发在了公司的wiki：

贴出来给大家看看，省略了一些敏感的内容。

当然内部版言辞也会温和一点，嘻嘻

在哪里写SQL？

这个问题高级点的问法是用哪种SQL引擎？

SparkSQL、Hive、Phoenix、Drill、Impala、Presto、Druid、Kylin （这里的SQL引擎是广义的，大家不必钻牛角尖）

我用一句话简单概括下这几个东西，先不管你们现在看不看得懂：

• Hive：把sql解析后用MapReduce跑

• SparkSQL：把sql解析后用Spark跑，比hive快点

• Phoenix：一个绕过了MapReduce运行在HBase上的SQL框架

• Drill/Impala/Presto：交互式查询OLAP,都是类似google Dremel的东西，区别这里就不说了

• Druid/Kylin：强调预计算，同样是OLAP

这就涉及到更多的问题了，对这些组件不熟悉的同学可能调研过程就得花上一个多月。

比如：需求是实时计算还是离线分析？

数据是增量数据还是静态数据？

数据量有多大？

能容忍多长的响应时间？

总之，功能、性能、稳定性、运维难度、开发难度这些都是要考虑的

对哪里的数据执行SQL？

你以为选完引擎就可以开写了？too naive！

上面提到的大部分工具都仅仅是查询引擎，存储呢？

“啥，为啥还要管存储？”

不管存储，那是要把PB级的数据存在mysql是吧...

关系型数据库像mysql这种，查询引擎和存储是紧耦合的，这其实是有助于优化性能的，你不能把它们拆分开来。

而大数据系统SQL引擎一般都是独立于数据存储系统，获得了更大的灵活性。这都是出于数据量和性能的考虑。

这涉及到的问题就更多了。先要搞清楚引擎支持对接哪些存储，怎么存查询起来方便高效。

可以持久化存储的工具有哪些，我有个图，感受一下（这只是一小部分）

用哪种语法写SQL？

你以为存储和查询搞定就可以开写了？你以为全天下的sql都是一样的？并不是！

并不是所有的引擎都支持join；

并不是所有的distinct都是精准计算的；

并不是所有的引擎都支持limit分页；

还有，如果处理复杂的场景经常会需要自定义sql方法，那如何自定义呢，写代码呀。

举几个简单而常见的栗子：

见过这样的sql吗？

     
     
     
     

      
      
      
      
select `user`["user_id"] from tbl_test ;
     
     
     
     

见过这种操作吗？

     
     
     
     

      
      
      
      
insert overwrite table tbl_test select * from tbl_test  where id > 0; 
     
     
     
     

卧槽，这不会锁死吗？hive里不会，但是不建议这样做。

还能这么写

     
     
     
     

      
      
      
      
from tbl_test insert overwrite table tbl_test select * where id > 0; 
     
     
     
     

怎么用更高效的方式写SQL？

好了，全都搞定了，终于可以开始愉快地写SQL了。

写SQL的过程我用小祖刚来公司时的一句话来总结：

“卧槽，这条SQL有100多行！”

事实表，维表的数据各种join反复join，这还不算完还要再join不同时间的数据，还要$#@%^$#^...

不说了，写过的人一定知道有多恶心

（此处省略100多行字）

终于写完了，千辛万苦来到这一步，满心欢喜敲下回车...

时间过去1分钟...

10分钟...

30分钟...

1小时...

2小时...

......

别等了，这样下去是不会有结果的。

老实看日志吧，看日志也是一门很大的学问。

首先你得搞清楚这个sql是怎么运行，底层是mapReduce还是spark还是解析成了其他应用的put、get等接口;

然后得搞清楚数据是怎么走的，有没有发生数据倾斜，怎么优化。

同时你还得注意资源，cpu、内存、io等

最后

产品又来需求了，现有系统还无法实现，上面四步再折腾一遍...

是的，我们就是写SQL。

大家好，我是老表
觉得本文不错的话，转发、留言、点赞，是对我最大的支持。

每日留言

说说你读完本文感受？

或者一句激励自己的话？

（字数不少于15字）

怎么加入刻意学习队伍

点我，看文末彩蛋

留言有啥福利

点我就知道了

想进学习交流群

加微信：jjxksa888

备注：简说Python

2小时快速掌握Python基础知识要点。

完整Python基础知识要点

Python小知识 | 这些技能你不会?(一)

Python小知识 | 这些技能你不会?(二)

Python小知识 | 这些技能你不会?(三)

Python小知识 | 这些技能你不会?(四)

点在看，是你自己的选择

转发，也是你自己的选择

也许，可以证明你看过

也许，可以证明你学了